Machine learningMachine learning

Ημι-εποπτευόμενη μάθηση λίγων δειγμάτων

Η ημι-εποπτευόμενη μάθηση λίγων δειγμάτων (SS-FSL) εκπαιδεύει μοντέλα για την ταξινόμηση νέων κλάσεων από μόνο λίγα επισημασμένα παραδείγματα ανά κλάση, ενώ ταυτόχρονα αξιοποιεί μια δεξαμενή μη επισημασμένων δεδομένων για την εμπλουτισμό των αναπαραστάσεων των κλάσεων. Συνδυάζοντας επεισόδια μετα-μάθησης με απαλή ανάθεση ψευδο-ετικετών για μη επισημασμένα δείγματα, επιτυγχάνει αξιοσημείωτα υψηλότερη ακρίβεια από τις αμιγώς εποπτευόμενες μεθόδους λίγων δειγμάτων όταν είναι διαθέσιμα άφθονα μη επισημασμένα δεδομένα.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. Ren, M., Triantafillou, E., Ravi, S., Snell, J., Swersky, K., Tenenbaum, J. B., Larochelle, H., & Zemel, R. S. (2018). Meta-learning for semi-supervised few-shot classification. In International Conference on Learning Representations (ICLR 2018). link
  2. Finn, C., Abbeel, P., & Levine, S. (2017). Model-agnostic meta-learning for fast adaptation of deep networks. In Proceedings of the 34th International Conference on Machine Learning (ICML 2017), PMLR 70, 1126–1135. link

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Semi-supervised Few-shot Learning (SS-FSL). ScholarGate. https://scholargate.app/el/machine-learning/semi-supervised-few-shot-learning

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Αναφέρεται από

ScholarGateSemi-supervised Few-shot Learning (Semi-supervised Few-shot Learning (SS-FSL)). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/machine-learning/semi-supervised-few-shot-learning · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026